서울대병원이 개발한 의료 특화 인공지능(AI) 모델이 엑스레이 판독 분야에서 전세계 최상위권의 성능을 기록한 것으로 나타났다.
서울대병원은 최근 원내 ‘헬스케어 AI연구원’이 개발한 의료 특화 인공지능(AI) 모델 2종을 전 세계에 오픈소스로 공개했다고 9일 밝혔다. 이번에 공개한 모델은 흉부 X-ray 영상을 분석해 판독문을 생성하는 영상 판독 AI ‘mvl-rrg-1.0’과 의료 추론에 특화된 거대언어모델 ‘hari-q2.5-thinking’이다. 두 모델은 실제 임상 현장에서 의료진이 수행하는 판단 과정을 보조하도록 설계된 의료 특화 AI로, 각각 의료 영상 판독과 텍스트 기반 임상 추론에 활용된다.
영상 판독 모델 ‘mvl-rrg(radiology report generation)-1.0’은 흉부 엑스레이 영상을 분석해 판독문을 자동으로 생성하는 AI다. 이 모델은 단일 영상 분석에 그치지 않고, 환자의 과거 영상과 현재 영상을 연결해 질병의 진행이나 호전과 같은 ‘시간에 따른 변화’를 반영하도록 설계됐다. 약 36만 건 이상의 공개 의료 영상 데이터를 활용해 병변의 변화 양상을 추론할 수 있도록 학습됐다.
그 결과, 현재 영상만을 입력하는 조건에서도 자연어 생성 성능 지표인 ROUGE-L 34.1, BLEU-4 18.6을 기록했으며, 이는 흉부 엑스레이 판독문 자동 생성 분야에서 국제적으로 최상위권에 해당하는 성능이다. 응급실과 같이 시간이 중요한 상황에서 촬영 직후 기흉 등 즉각적인 처치가 필요한 소견을 신속히 제시해 의료진의 초기 판단을 보조할 수 있을 것으로 기대된다.
텍스트 기반 의료 AI ‘hari-q2.5-thinking’은 임상 상황을 이해하고 진단·치료 과정에 필요한 추론을 수행하도록 설계된 모델이다. 이 모델은 한국 의사국가고시(KMLE) 모의 테스트에서 정답률 89%를 기록하며 의학적 사고 능력을 검증했다.
‘hari-q2.5-thinking’은 증상이 복합적으로 나타나 원인 판단이 어려운 환자 진료에서 의료진의 사고 과정을 보조하는 데 활용될 수 있다. 예를 들어 기침, 복통, 두통이 동시에 나타난 환자의 경우, 단순 증상 분류에 그치지 않고 환자의 과거 병력과 임상 기록을 함께 고려해 추가 검사가 필요한 가능성과 감별 진단의 근거를 단계적으로 제시한다. 또한 의대생이나 수련의 교육 과정에서는 판단의 논리를 설명하는 학습 도구로 활용될 수 있다.
서울대병원은 이 모델을 기반으로 내과·외과·소아청소년과 등 17개 진료과별 특화 모델로의 확장을 추진하고 있으며, 현재는 여러 AI 모델이 역할을 나눠 판단을 보조하는 멀티에이전트 시스템 구축을 진행 중이다. 향후 임상적 검증이 완료되는 대로 진료과별 특화 모델을 순차적으로 공개해, 국내외 의료진과 연구자가 활용할 수 있는 의료 AI 연구 기반을 확장할 계획이다.
이형철 헬스케어AI연구부원장은 “초고성능 GPU 인프라를 바탕으로 텍스트와 의료 영상을 함께 학습·추론하는 의료 AI 연구가 가능해졌다”며 “특히 과거와 현재의 영상을 비교해 환자 상태 변화를 파악하는 기능은 실제 임상에서 중요한 판단 요소인 만큼, 이번에 공개한 모델들이 의료진의 진료 판단을 보다 효율적으로 보조하는 데 활용될 수 있을 것”이라고 말했다.
한편, 서울대병원은 이번에 개발한 의료 AI 모델을 국가전략기술 특화연구소 데이터 플랫폼(Korea Health Data Platform, KHDP) 및 글로벌 AI 플랫폼 ‘허깅페이스(Hugging Face)’에 공개했다.
서울대병원은 최근 원내 ‘헬스케어 AI연구원’이 개발한 의료 특화 인공지능(AI) 모델 2종을 전 세계에 오픈소스로 공개했다고 9일 밝혔다. 이번에 공개한 모델은 흉부 X-ray 영상을 분석해 판독문을 생성하는 영상 판독 AI ‘mvl-rrg-1.0’과 의료 추론에 특화된 거대언어모델 ‘hari-q2.5-thinking’이다. 두 모델은 실제 임상 현장에서 의료진이 수행하는 판단 과정을 보조하도록 설계된 의료 특화 AI로, 각각 의료 영상 판독과 텍스트 기반 임상 추론에 활용된다.
영상 판독 모델 ‘mvl-rrg(radiology report generation)-1.0’은 흉부 엑스레이 영상을 분석해 판독문을 자동으로 생성하는 AI다. 이 모델은 단일 영상 분석에 그치지 않고, 환자의 과거 영상과 현재 영상을 연결해 질병의 진행이나 호전과 같은 ‘시간에 따른 변화’를 반영하도록 설계됐다. 약 36만 건 이상의 공개 의료 영상 데이터를 활용해 병변의 변화 양상을 추론할 수 있도록 학습됐다.
그 결과, 현재 영상만을 입력하는 조건에서도 자연어 생성 성능 지표인 ROUGE-L 34.1, BLEU-4 18.6을 기록했으며, 이는 흉부 엑스레이 판독문 자동 생성 분야에서 국제적으로 최상위권에 해당하는 성능이다. 응급실과 같이 시간이 중요한 상황에서 촬영 직후 기흉 등 즉각적인 처치가 필요한 소견을 신속히 제시해 의료진의 초기 판단을 보조할 수 있을 것으로 기대된다.
텍스트 기반 의료 AI ‘hari-q2.5-thinking’은 임상 상황을 이해하고 진단·치료 과정에 필요한 추론을 수행하도록 설계된 모델이다. 이 모델은 한국 의사국가고시(KMLE) 모의 테스트에서 정답률 89%를 기록하며 의학적 사고 능력을 검증했다.
‘hari-q2.5-thinking’은 증상이 복합적으로 나타나 원인 판단이 어려운 환자 진료에서 의료진의 사고 과정을 보조하는 데 활용될 수 있다. 예를 들어 기침, 복통, 두통이 동시에 나타난 환자의 경우, 단순 증상 분류에 그치지 않고 환자의 과거 병력과 임상 기록을 함께 고려해 추가 검사가 필요한 가능성과 감별 진단의 근거를 단계적으로 제시한다. 또한 의대생이나 수련의 교육 과정에서는 판단의 논리를 설명하는 학습 도구로 활용될 수 있다.
서울대병원은 이 모델을 기반으로 내과·외과·소아청소년과 등 17개 진료과별 특화 모델로의 확장을 추진하고 있으며, 현재는 여러 AI 모델이 역할을 나눠 판단을 보조하는 멀티에이전트 시스템 구축을 진행 중이다. 향후 임상적 검증이 완료되는 대로 진료과별 특화 모델을 순차적으로 공개해, 국내외 의료진과 연구자가 활용할 수 있는 의료 AI 연구 기반을 확장할 계획이다.
이형철 헬스케어AI연구부원장은 “초고성능 GPU 인프라를 바탕으로 텍스트와 의료 영상을 함께 학습·추론하는 의료 AI 연구가 가능해졌다”며 “특히 과거와 현재의 영상을 비교해 환자 상태 변화를 파악하는 기능은 실제 임상에서 중요한 판단 요소인 만큼, 이번에 공개한 모델들이 의료진의 진료 판단을 보다 효율적으로 보조하는 데 활용될 수 있을 것”이라고 말했다.
한편, 서울대병원은 이번에 개발한 의료 AI 모델을 국가전략기술 특화연구소 데이터 플랫폼(Korea Health Data Platform, KHDP) 및 글로벌 AI 플랫폼 ‘허깅페이스(Hugging Face)’에 공개했다.
이 기사와 관련기사